Wie viele Daten sind genug? Eine echte Generalisierungsgrenze

Klassische Modelle, die aus der Mathematik aufgebaut sind, die du bereits kennst

Angenommen, ein Modell hat tausend Trainingsbeispiele perfekt gemeistert. Wie sicher kannst du sein, dass es auch künftig so gut abschneidet? Ein einzelner Löffel aus einem riesigen Topf Suppe kann zufällig irreführen: Vielleicht enthält er einen verirrten Salzklumpen oder stammt aus einer kalten Stelle. Dieser eine Löffel ist daher nur ein unsicherer Hinweis auf den wahren Geschmack des gesamten Topfes. Probierst du dagegen mehrere Löffel aus verschiedenen Bereichen, nähert sich ihr durchschnittlicher Geschmack der Wahrheit, und eine stark abweichende Einschätzung wird sehr unwahrscheinlich. Ein Trainingsdatensatz funktioniert genauso. Er ist eine endliche Stichprobe aus der riesigen Menge aller Eingaben, denen das Modell jemals begegnen könnte.

🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.